11月8日，新華社和搜狗在烏鎮(zhèn)峰會現(xiàn)場發(fā)布的“AI主播”可以說是確確實實地在全世界范圍內(nèi)引起了反響。

有些國內(nèi)產(chǎn)品會找一些“不入流”的外文網(wǎng)站出稿，假裝獲得了“全球媒體”關(guān)注，但這次的“AI主播”不在此列。CNN、BBC、The Verge、CNET、南華早報等都在主要的版面給了這兩位“主播”一席之地。

這倒并不是因為新華社版“AI主播”在技術(shù)上有多先進，而是說，更多是因為一個國家級主流媒體運用虛擬主播技術(shù)，這項舉動本身具有強烈的象征性意義。

就像之前曾經(jīng)被沙特授予“公民權(quán)”的那位女性機器人“索菲亞”一樣，“她”也不一定是當今世界上技術(shù)最先進的機器人，只不過是說這件事情可以成為時代進步的一個強烈的隱喻。

沒準，未來再回顧21世紀第二個十年的時候，這個鏡頭可以作為無數(shù)關(guān)鍵時刻其中的驚鴻一瞥。

低級失誤

兩位“AI主播”的外觀和聲音是分別取材自新華網(wǎng)絡電視(CNC)中文臺和英文臺的兩個主持人，其中被廣泛傳播到全世界的演示視頻，是以新華英文臺的主持人形象示人的英語“AI主播”所播報的一則關(guān)于進口博覽會的新聞。

在這則兩三分鐘的新聞當中，還是不可避免地出現(xiàn)了比較低級的失誤：將阿里巴巴創(chuàng)始人馬云的名字“Jack Ma”誤讀成了“Jack Massachusetts”，這是因為語音合成系統(tǒng)讀到這部分文字稿的時候，判斷“MA”兩個字母是美國馬薩諸塞州的縮寫。

在很多情況下，需要讀到美國某個小地方地名的時候，就需要把“MA”理解為“馬薩諸塞州”，但預防此類問題，既可以通過將“Jack Ma”一詞特殊化處理，也可以通過將美國地方地名特殊化處理的方法來化解。在對外演示的視頻中出現(xiàn)這樣的錯誤，恰恰證明了新華社和搜狗并未針對主播們的“處女秀”而對演示“弄虛作假”，完全是以真面目示人。

開始跨越“恐怖谷”

世界各國媒體在觀察這對“AI主播”的時候，都說“他們”暫時還沒有實現(xiàn)新華社本身所宣傳的那樣，能夠百分之百的替代真人的效果，同時還是被卡在了所謂“恐怖谷”當中。也就是說，當類人形象的擬真度達到90%左右，尚未能夠100%以假亂真的情況之下，會產(chǎn)生一種不自然的機械感，甚至會令人毛骨悚然。

早幾年，人們都是在達到“恐怖谷”級別后，稍微往后退縮一點，即進一步的增強機器與人之間的差異，用一個本來就知道是機器人，或是卡通形象的臉，就可以規(guī)避讓人害怕的麻煩，也創(chuàng)造出初音未來，或是“會說話的湯姆貓”這樣的角色。

(圖 / DailyMotion)

因此，早在大概2013-14年，使用機械聲音味道很濃重的合成語音，加上明顯不像是真人的卡通形象，替代人類去做一些資訊播報的做法，已經(jīng)在普通的電腦和手機用戶中普及泛濫。

在YouTube上，世界各國的上傳者為了爭取(騙取)點擊和貼片廣告費，會在一些突發(fā)新聞出來的時候，搶著發(fā)一些“混淆視聽”的視頻內(nèi)容。最開始，網(wǎng)上可能只有圖文消息出來，暫時還缺乏電視臺或廣播電臺的真人播報錄像，或者這些錄像會因為版權(quán)問題被清理掉。那么，這一段時間之內(nèi)如果有人去YouTube試圖尋找新聞報道，就會遇到一個“空窗期”。

做假視頻內(nèi)容的人會將圖文報道貼入“谷歌翻譯”等文本轉(zhuǎn)語音(TTS)軟件，生成配音，再把隨便什么地方找的配圖一搭配，輔以花花綠綠的字體，最重要的是配上“突發(fā)新聞、最新報道、現(xiàn)場直播”這樣的有利于搜索引擎抓取(SEO)的標題，本來想看電視臺報道的觀眾就會遇到這些招搖撞騙的垃圾信息，從而上當受騙。

某個專門上傳這種“騙點擊”(Clickbait)視頻的號長這樣：

航通社在《都8102年了，機器人還是“靜若癱瘓，動如癲癇”》一文中曾提到過：

“研發(fā)更像人的交互界面始終存在風險，所以更多的服務型機器人從‘肉體’到‘靈魂’——即內(nèi)置的AI操作系統(tǒng)——都在恐怖谷前停下了腳步。

大家寧可表現(xiàn)得像‘面癱’版喜羊羊，也不愿意冒產(chǎn)品滯銷的風險，向著真正像人一樣的終極目標邁出那一步。”

新華社和搜狗共同努力做的“機器人播報員”，卻并沒有選擇一個卡通賣萌形象充數(shù)，而是鼓起勇氣，用真人建模，再一次對“恐怖谷”發(fā)起了勇敢的沖擊。

日趨成熟的技術(shù)

這并非巧合——2018年，多家企業(yè)的同時起跑和開源解決方案的涌現(xiàn)，標志著用技術(shù)模擬真人的簡單化、普及化進程已經(jīng)拉開序幕。

在圖像技術(shù)方面，主機游戲的機能和圖形引擎一同進化，可以在光照、皮膚、毛發(fā)、布料等方面達到媲美真人的效果，而動作捕捉和實時渲染技術(shù)可以加速數(shù)字影像生成的進度。

而最為著名的開源方案Deepfakes更是以“換臉術(shù)”為人所知，Deepfakes在Reddit和PornHub等地引發(fā)了一場“狂歡”，直到被平臺禁止之前，人們瘋狂地把女明星的臉“P”到色情影片女主角的身上。

此后，Deepfakes進化為在任何PC機都能運行的FaceApp，借助它作為后期處理，有人做出了奧巴馬罵特朗普是“笨蛋”的一段視頻，這段錄像現(xiàn)實中并未發(fā)生過，完全是“AI對口型”的產(chǎn)物。

在聲音技術(shù)方面，進步更快。谷歌的“谷歌助手”、微軟的“小冰”都可以實時生成流暢的語音，跟真人“打電話”聊天，或者充當AI客服。高德地圖的各種明星語音包已經(jīng)投入商用三四年了。

而今年1月央視紀錄頻道播放的紀錄片《創(chuàng)新中國》，邀請科大訊飛對2013年去世的著名播音員李易聲音建模，完全使用合成的“李易原聲”為紀錄片做了配音。訊飛在圓滿完成任務的同時，還借此擁有了李易老師的聲音庫。

可以發(fā)現(xiàn)，圖像和聲音擬真技術(shù)的齊頭并進，都是沿著這樣一條確定的路線行進——先做出來，再一邊效果調(diào)優(yōu)，一邊降低成本，提高效率。

在效果上暫時無法取得決定性突破的同時，AI擬真技術(shù)在成本和效率方面進化神速，基本可以做到“實時生成”和“任何人都可以生成”。

本次搜狗在“AI主播”案例中演示的實時合成技術(shù)，以及前幾天獵豹移動旗下“獵戶星空”展示的超快速“真人語音包”建模技術(shù)，都同時說明了，

雖然現(xiàn)在的主播仍然呈現(xiàn)動作僵硬，語音語調(diào)不協(xié)調(diào)等問題，但任何一個報道這件事情的國內(nèi)外媒體其實都心知肚明，這是AI向真人進攻路上的一個里程碑或標志性事件，但絕對不是一場努力的終點，而在未來還將會以更快的速度進化?，F(xiàn)在這些小問題將會逐漸被攻克，直到屏幕上主播的表現(xiàn)和真人沒有什么區(qū)別。

“AI主播”上崗的意義

全球媒體報道新華社率先上崗“AI主播”的時候，也有各種各樣的擔憂，但首先都給予了肯定。最重要的一點是，官方媒體率先垂范采用這類仿真技術(shù)，有助于自上而下地對抗“假新聞”。

即使是上面所說的粗制濫造的假新聞視頻，對于一些信息閉塞地方的人來說，可能已經(jīng)是足夠“說服”他們的。不同人分辨信息真?zhèn)蔚哪芰κ怯袇^(qū)別的，有些人可能會始終分不清什么才是真正的電視臺播報，而因此影響他們的政治傾向，投票結(jié)果，或造成財物損失等等。

諸如為色情電影“換頭”這種對AI擬真的濫用也值得擔憂，這當然不是因為它們不符合對“真實”的追求，而是有可能會成為網(wǎng)絡暴力的起源，或者是分手后報復性羞辱前任的手段，影響當事人的正常生活。

從這個角度上來說，像新華社這樣正規(guī)的官方媒體，先行一步采用機器人朗讀方式，就可以在突發(fā)事件傳播中占得先機，搶在“謠言”的前面到達社會公眾。

至于國外媒體的擔憂，主要集中于這一行為對傳統(tǒng)媒體的嚴肅性、公信力形象的“無形消解”。

牛津大學計算機科學教授伍爾德里奇(Michael Wooldridge)在接受英國廣播公司(BBC)采訪時提到，在很多時候，新聞播音員都是社會高度信賴的公眾形象。“如果你看著一段動畫，你將完全失去和主播之間的這樣一種聯(lián)系。”

在中國，《新聞聯(lián)播》的數(shù)位主播被譽為“國臉”，有說他們換發(fā)型都需要組織批準。在發(fā)達國家，主播不僅僅是照本宣科念稿子的人，他們會作為整個媒體公信力的一部分，一個典型的象征而存在。所以各大媒體的首席主播，往往是最賺錢的媒體人之一。

《南華早報》統(tǒng)計稱，在美國的主播薪酬排行榜上，CNN的安德森·庫珀(Anderson Cooper)以年薪1億美元排位第一，而美國廣播公司的戴安·索耶(Diane Sawyer)以及?？怂剐侣劦闹鞑バざ?middot;漢尼迪(Sean Hannity)以年薪8000萬美元并列其后。

上面提到的王牌主播，都是從地方臺記者開始一路晉升的，而不是像中國這樣，擁有一個“播音主持”的專業(yè)學科，播音員、主持人和記者、編輯之間是區(qū)分的很開的，前者幾乎沒有經(jīng)過任何采訪方面的訓練。

欲戴皇冠，必承其重。對國外主播們來說，他們不僅僅要對自己所宣讀的文本內(nèi)容負責，而且還要在一些獨家的，原創(chuàng)性的采訪當中，展現(xiàn)自己作為一個記者的才華。主播們?nèi)绻袃?nèi)容后來被驗證為錯誤，或者有不適當?shù)难孕信e止，都會受到嚴重的懲罰，斷送職業(yè)生涯。

這從美國全國廣播公司(NBC)兩位新聞主播的隕落上就可見一斑。2015年，晚間黃金時間新聞節(jié)目長期培養(yǎng)的主持人布萊恩·威廉姆斯(Brian Williams)因為在一檔伊拉克戰(zhàn)爭隨軍采訪中夸大其詞，虛假描述了自己隨軍報道的角色，導致公信力喪失，被雪藏半年之后降格來到MSNBC頻道的政論節(jié)目。

2017年11月美國興起 #MeToo 運動期間，至少三位NBC女員工舉報早間節(jié)目《今日秀》主持人馬特·勞爾(Matt Lauer)性騷擾，勞爾“閃電”離開主播臺，現(xiàn)在處于銷聲匿跡的狀態(tài)。

有血有肉的、人格化的主持人對電視媒體的重要性，由此可見一斑。他們是媒體公信力的一個重要的組成部分——至少現(xiàn)在是這樣的。

部分國外媒體因此擔心，以假亂真的AI主播上崗后，可以“想讓他說什么就說什么”，而不用擔心有真人主播“鬧情緒”，不配合。不過，如果他們在中國呆一段時間，應該就知道他們其實想多了。中國的新聞播音員現(xiàn)在承擔的角色，跟只字不差的AI還真差不了多少。

在中國，虛擬主播的存在，倒是的確可以幫助一些預算上不充裕的電視臺，讓他們把“好鋼用在刀刃上”，通過更精簡的預算，實現(xiàn)一些原來在全國性大臺才有條件實現(xiàn)的項目——例如開設24小時不間斷的新聞臺。

很長一段時間，全國范圍內(nèi)只有中央電視臺擁有一個24小時的新聞頻道，加上少數(shù)沿海省份能收看到香港的鳳凰衛(wèi)視。國內(nèi)的幾家電視臺也曾或多或少有過“新聞立臺”的心思，但是很可惜都沒有堅持住。

上海是各地電視臺中做新聞最成功的其中一家。2016年7月，上海文廣推出“看看新聞”客戶端和配套的24小時新聞頻道KNews24，除央視之外，第二個建立起24小時不間斷的新聞頻道。但是該頻道只能通過機頂盒和網(wǎng)站等OTT形式播放，不能上星及進入有線電視網(wǎng)絡。受到資金和人員的限制，該臺也只能在上下午新聞之間的空閑時段，采用實習播音員坐鎮(zhèn)口播新聞，其他時間段都是重播。

最近，KNews24頻道更是干脆取消了在非東方衛(wèi)視新聞時段以外的主播坐臺直播，改以重播節(jié)目《看東方》等當日已播出的新聞片段，以及短視頻剪輯等代替，不復當年24小時新聞臺的風采。

此外，奇虎360也曾在與北京廣播電視臺合辦的“北京時間”網(wǎng)站，開設一個專門在網(wǎng)絡播出的新聞頻道，回放北京衛(wèi)視和北京新聞頻道的一些節(jié)目，最近該頻道也下線了。

所以我們完全可以想象，一旦新華社和搜狗推出的這一虛擬主播技術(shù)，推廣到全國一些省市甚至是地方臺，他們就可以用非常低的成本，開一個服務器，就實現(xiàn)24小時不間斷的播報本市及全國新聞的目的，為自己家的融媒體“中央廚房”再增添一道菜，也不費什么事。

我們很容易想到真正的播音主持專業(yè)學生和老師們，聽到“AI主播”的消息時，內(nèi)心當然是拒絕的。但他們可能多少都已經(jīng)有了心理準備。早在《創(chuàng)新中國》復原已逝的李易聲音時，播音圈里已經(jīng)有過討論。樂觀者如丁龍江先生，他是中國傳媒大學播音主持藝術(shù)學院口語傳播系主任。他說：

“《創(chuàng)新中國》模仿李易音色智能解說，雖走出可喜第一步，但仍處于句法關(guān)系層面的邏輯重音處理，距離播音學掌握的重音表現(xiàn)手法尚且差距很遠，更別說落實話語本質(zhì)的內(nèi)在語。人在表達溝通上使用語音幽渺難知，估計得量子計算。我們等著那一天。”

但不到一年時間，新華社“AI主播”已經(jīng)不需要人工修音，在自動實時生成的基礎上，效果也正變得越來越好，因此播音主持從業(yè)者也很難再保持平靜。有一位老師的朋友圈寫道：

“今晚因為這個新聞，朋友圈的氣氛有點低，大家都有點擔心AI會取代主持人的崗位，有學生說要沒飯吃了，心里慌慌的，也有人說AI不能做現(xiàn)場報道，不能處理突發(fā)新聞。”

這位老師說：

“主持人行業(yè)近年來本身發(fā)展進入了瓶頸期，不可否認，AI播報員的出現(xiàn)會給這個行業(yè)帶來沖擊。畢竟，寫幾個代碼就可以超越你大學四年苦練得來的好口條，誰不恐慌?這就給播音主持的教學和人才培養(yǎng)敲響了警鐘。傳統(tǒng)的人才培養(yǎng)目標和教學，很快就不適應市場的需求了，得做好變天的準備，這個時間或短或長，只要這個行業(yè)不那么堅守陣地，也許明天，也許明年。”

確實，中國的播音主持培養(yǎng)體系，應該從此開始有一個根本性的變化，也向世界各國的實踐看齊，從前方記者中出人才。我們播報新聞的人，也應該具有自己的“自由之精神”和“獨立之思想”，才能區(qū)別于一個“念稿子的機器”。他們需要從現(xiàn)有的有快速反應能力的記者隊伍當中遴選出來，他們應該做一個現(xiàn)實生活當中的多面手，而不是只會以端正的坐姿完成任務。

興許，在技術(shù)的倒逼之下，中國的電視新聞事業(yè)，將有可能會比全世界其他任何一個地方，都更多、更快的迎來革命性的變化。

關(guān)鍵詞： AI主播